基于稀疏表示和字典学习的人脸识别算法研究
发布时间：2021-11-27 00:45
在模式识别研究领域,人脸识别已知是很热点的研究方向。并且使用在很多领域,比如说公安系统,高铁站,闯红灯检查等。人脸识别相对于传统的指纹识别是由很大优势的,在空气比较干燥时往往指纹不能识别,给一些重要的应用场合造成了极大的困扰,而随着人脸识别技术的发展,通过分析总结当前基于稀疏表示的分类算法的研究,在此基础上提出以下三种改进的分类识别算法:1.提出基于完整局部二值模式（CLBP）特征提取的结构型稀疏表示人脸识别算法。CLBP算法是LBP算法的改进,在CLBP特征提取中,人脸图像的一个局部区域用它的中心像素点和局部符合-模差异转化,CLBP特征提取能更好充分利用人脸图片的局部性特征。然后将提取出的CLBP直方图特征输入结构型稀疏表示（SSRC）分类器中。充分利用SSRC算法的训练字典分块结构性,有效地提高了人脸识别效果。2.我们提出一种基于新的Gabor特征重组方式的核稀疏表示算法（DG-KSRC）。该方法将5个尺度、8个方向一起构成40个Gabor特征集合,再依次输入到我们的基于坐标下降的KSRC算法模型中。该算法能充分考虑Gabor人脸特征在不同尺度、方向的变换结果的独立性。算法对光照...
【文章来源】：南京邮电大学江苏省
【文章页数】：65 页
【学位级别】：硕士
【部分图文】：
稀疏表示的思想
图 3.2 向量重建重新表示为中心像素和局部差异，然后根据公式通过 CLBP_C，CLBP_S，CLBP_M 来编码符号合并为一个 CLBP 特征映射，构建 CLBP 特征直与公式(3-1)一样。CLBP_M 计算定义如下： 10,1,1,_,2,,PppPRpxcxcP Mtmctxc，这里设置 c 为整个图片的pm 向量的平均值。致，中心点像素的编码定义如下： PRctCLBP _Ctg,c, ，tc 设置为整张图片的像素均值。种方式来合并：联合或者混合。第一种方法就
图 3.3 CLBP 特征提取过程CLBP 特征提取步骤如下：（1） 将图像样本 y 划分成16 16的小区域 1 2, , ,ny y y y；（2） 分别对iy 进行 CLBP 编码，得到每个区域的 CLBP 编码图 1 2, , ,ny y y y ；（3） 分别对iy 进行直方图统计，即统计每个 CLBP 编码值的频率，得到直方图统计特征向量 iCLBP y，并作归一化处理；（4） 将所有区域的直方图统计特征向量串联起来得到整幅样本图像的 CLBP 特征矩阵： nCLBP yCLBPy,...,CLBPy1 ；（5） 将得到的 CLBP 特征输入到模型中进行分类。3.2.2 结构型稀疏表示分类模型
【参考文献】：
期刊论文
[1]基于光纤列阵传感器的步态识别技术研究[J]. 隋国荣,程利,陈抱雪,张仁杰,矶守. 光电子.激光. 2011(03)
[2]生物特征识别综述[J]. 田启川,张润生. 计算机应用研究. 2009(12)
[3]人脸识别方法综述[J]. 吴巾一,周德龙. 计算机应用研究. 2009(09)
[4]人脸识别综述[J]. 聂祥飞. 重庆三峡学院学报. 2009(03)
[5]基于指纹识别技术的Web生产图纸管理系统研究[J]. 张志亮,王润孝,王宗坤. 中国制造业信息化. 2007(21)
[6]生物特征识别综述[J]. 卢官明,李海波,刘莉. 南京邮电大学学报(自然科学版). 2007(01)
[7]基于局部Gabor变化直方图序列的人脸描述与识别[J]. 张文超,山世光,张洪明,陈杰,陈熙霖,高文. 软件学报. 2006(12)
[8]自动指纹识别技术的发展与应用[J]. 尹义龙,宁新宝,张晓梅. 南京大学学报(自然科学版). 2002(01)
[9]现代身份鉴别新技术——生物特征识别技术[J]. 王蕴红,谭铁牛. 中国基础科学. 2000(09)
本文编号：3521255
【文章来源】：南京邮电大学江苏省
【文章页数】：65 页
【学位级别】：硕士
【部分图文】：
稀疏表示的思想
图 3.2 向量重建重新表示为中心像素和局部差异，然后根据公式通过 CLBP_C，CLBP_S，CLBP_M 来编码符号合并为一个 CLBP 特征映射，构建 CLBP 特征直与公式(3-1)一样。CLBP_M 计算定义如下： 10,1,1,_,2,,PppPRpxcxcP Mtmctxc，这里设置 c 为整个图片的pm 向量的平均值。致，中心点像素的编码定义如下： PRctCLBP _Ctg,c, ，tc 设置为整张图片的像素均值。种方式来合并：联合或者混合。第一种方法就
图 3.3 CLBP 特征提取过程CLBP 特征提取步骤如下：（1） 将图像样本 y 划分成16 16的小区域 1 2, , ,ny y y y；（2） 分别对iy 进行 CLBP 编码，得到每个区域的 CLBP 编码图 1 2, , ,ny y y y ；（3） 分别对iy 进行直方图统计，即统计每个 CLBP 编码值的频率，得到直方图统计特征向量 iCLBP y，并作归一化处理；（4） 将所有区域的直方图统计特征向量串联起来得到整幅样本图像的 CLBP 特征矩阵： nCLBP yCLBPy,...,CLBPy1 ；（5） 将得到的 CLBP 特征输入到模型中进行分类。3.2.2 结构型稀疏表示分类模型
【参考文献】：
期刊论文
[1]基于光纤列阵传感器的步态识别技术研究[J]. 隋国荣,程利,陈抱雪,张仁杰,矶守. 光电子.激光. 2011(03)
[2]生物特征识别综述[J]. 田启川,张润生. 计算机应用研究. 2009(12)
[3]人脸识别方法综述[J]. 吴巾一,周德龙. 计算机应用研究. 2009(09)
[4]人脸识别综述[J]. 聂祥飞. 重庆三峡学院学报. 2009(03)
[5]基于指纹识别技术的Web生产图纸管理系统研究[J]. 张志亮,王润孝,王宗坤. 中国制造业信息化. 2007(21)
[6]生物特征识别综述[J]. 卢官明,李海波,刘莉. 南京邮电大学学报(自然科学版). 2007(01)
[7]基于局部Gabor变化直方图序列的人脸描述与识别[J]. 张文超,山世光,张洪明,陈杰,陈熙霖,高文. 软件学报. 2006(12)
[8]自动指纹识别技术的发展与应用[J]. 尹义龙,宁新宝,张晓梅. 南京大学学报(自然科学版). 2002(01)
[9]现代身份鉴别新技术——生物特征识别技术[J]. 王蕴红,谭铁牛. 中国基础科学. 2000(09)
本文编号：3521255
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3521255.html
